搜索策略

摘要： 【目的】整合多种教学资源,并在此场景下设计和实现一种高效准确的搜索策略,帮助用户获取丰富的教学内容。【应用背景】教学资源类型众多,数量庞大,用户对于准确检索的需求日益增长,仅基于ElasticSearch进行搜索的效果不尽人意。【方法】在对用户输入的Query进行预处理和分词后,通过ER-BERT语义相似度模型在Query库中匹配出n条近似结果,将其输入到ElasticSearch并构建相关度计算公式,最后按照综合评估的最终得分将匹配结果进行排序。【结果】利用知识图谱技术整合复杂的教学资源,并在此基础上实现了一种基于ElasticSearch和语义相似度匹配的教学资源搜索策略,在保证检索速度的同时可以根据用户检索Query的语义信息进行检索。【结论】实验结果表明使用该教学资源搜索策略增加了检索结果的数量,并在保证检索速度的同时提升了结果的准确性,显著改善了用户的搜索体验。

摘要： 在大数据时代,特征选择是对数据进行预处理的必要环节.特征选择作为一种数据降维技术,其主要目的是从原始数据中选择出对算法最有益的相关特征,降低数据的维度和学习任务的难度,提升模型的效率.现阶段,有关特征选择算法方面的研究已取得阶段性成效,但也面临着重大挑战,其中维度灾难就是特征选择与分类问题所面临的重大挑战.首先,介绍了特征选择算法的基本架构,依次描述了子集的生成、子集的评估、终止条件、结果验证四个过程;其次,综述了特征选择领域的研究方法及研究成果,对特征选择方法分别依据评价策略、搜索策略、监督信息进行分类阐述,并对这些传统方法进行比较,指出它们的优势和不足;最后对特征选择进行了总结,并对其未来的研究方向进行了展望.

摘要： 针对传统机器学习分类算法处理高维个人信用数据时分类准确率较低的问题,提出一种基于皮尔森相关系数(PCC)和互信息法结合梯度提升决策树(MI-GBDT)的最优特征子集的选择方法,并应用在决策树、朴素贝叶斯分类器、支持向量机上。利用皮尔森相关系数去除强相关特征,利用互信息法和GBDT计算剩余特征的综合重要度,结合改进的基于特征排序的搜索策略,分别生成3种分类器模型所需的最优特征子集。实验结果表明,该方法在3种分类模型上筛选出的特征子集对应的分类精度分别提高了4.33%、13.29%和20.27%。

摘要： 信息搜索行为是用户搜索意图的表征,是搜索过程的具象化体现,其粒度包含微观的搜索动作、中观的搜索方法及宏观的搜索策略,从多粒度角度系统性探析信息搜索行为研究有助于深入理解用户搜索过程及行为机理。本文阐述了多粒度信息搜索行为内涵及相应的类型识别研究,并从理论支持、研究过程两方面对相关文献进行梳理;在此基础上对未来研究趋势进行展望。研究发现,相关文献中理论支持研究集中于搜索过程和行为机理视角,研究过程分实验主题、实验对象、实验任务和研究方法。不同粒度搜索行为的研究范式既有区别也有共性,区别在于搜索动作研究多基于搜索过程理论模型,偏好在真实情境下用传统的问卷、访谈及日志法采集数据并基于开放式编码归纳单个动作类型;搜索方法和策略研究则聚焦于动作集合或方法序列,进一步利用认知理论模型阐释行为产生及变化的内在机理;多在模拟情境下基于传统法引入有声思维法、录屏法丰富数据采集类型,且更多运用统计分析法和机器学习技术分析数据。共性在于实验主题中影响因素研究均表现为用户认知及情境两方面且多探讨单一因素影响;实验对象以高校人员为主;实验任务设计多为复杂度较高的工作和生活任务。未来应契合移动互联网时代特征拓宽研究环境,进一步探索跨屏、跨应用等环境下多粒度信息搜索行为机理研究。

摘要： 随着互联网的飞速发展,大数据成为互联网技术行业的流行词汇。如今,想要获取大量的数据,爬虫无疑是非常便利的工具。文章介绍了爬虫的原理以及网页的分析方法,对Scrapy框架进行了介绍﹐并用Scrapy对网站进行了数据的爬取,最后利用数据可视化工具对数据进行处理,以便更加直观地对数据进行分析。文章以拉勾网为爬虫对象,在爬虫的过程中,总结了爬虫遇到的问题和解决办法。此外,文章利用Scrapy框架对程序进行了优化,提升了爬取效率。

摘要： 由于地面雷达受视距限制无法对高超声速飞行器进行连续观测,针对高超声速飞行器飞出雷达视距盲区后难以搜索的问题,提出了一种基于信息几何的雷达搜索方法.本文利用非参数概率密度估计法对高超声速飞行器的出现位置的概率密度进行估计,并将估计的位置概率密度作为雷达搜索的引导信息;根据引导信息确定搜索区域,以区域覆盖率最大化作为优化目标在搜索区域内进行波位编排;基于信息几何理论,将搜索策略建模为统计流形,利用KL (Kullback-Leibler)散度来度量搜索策略与引导信息之间的差异,通过最小化KL散度获得最优搜索策略.通过仿真实验验证了本文所提方法的有效性和可行性,并验证了相比其他搜索方法具有较明显的优势.

摘要： 药物的研发上市是一个漫长的过程--药物的临床前研究、临床试验等过程都极其耗时,除此之外,还有大量的时间被浪费在了搜索临床试验、实验室报告等数据上。本文作者Jeff Everham认为,通过采用正确的搜索策略,可以节省大量的研发时间,从而加快药物的上市。

摘要： 针对传统盲源分离算法存在分离效果与收敛迭代效率不能兼顾的问题,提出了一种基于改进人工蜂群算法的盲源分离算法,并运用于对抗主瓣干扰。该算法引入差分进化的思想对标准人工蜂群算法的搜索策略进行改进,以分离信号的峭度为目标函数,以改进后的人工蜂群算法去寻求盲源分离的最优分离矩阵,对接收的混合信号进行分离。仿真实验表明,该算法在能达到较好分离效果的同时,还具有收敛快的优点。

摘要： 针对在地形跟随中使用长焦相机的视野丢失问题,提出光轴搜索策略。该策略采用基于情景判别的分段适配处理方法,通过分析导引特征点与飞行器的相对位置,不改变原导引律的计算复杂度,给出扫描指令。实际地形数据仿真结果证明,使用本策略后能够获得更丰富的地形信息,避免地形点视野丢失的问题,达到更好的地形跟踪效果。

摘要： 程序合成指计算机自动地构造符合指定语法和用户给定规约的代码。实例编程是程序合成中一类以输入输出实例为规约形式的范式,它易用性高、学习成本低。近年来,该技术已经在数据处理、字符串变换等领域得到成功应用,具有很大的发展潜力。实例编程主要待解决的问题有两点:一是庞大程序空间中高效搜索的问题,二是程序合成解的歧义性问题。为解决第一个问题,实例编程方法在指定搜索策略时,需选取适当的领域特定语言,制定搜索算法,所应用的算法可分类为基于规则的算法和基于统计模型的算法。为解决第二个问题,实例编程方法需制定排序策略,所应用的排序策略可分类为基于给定实例的排序方法和基于用户交互的排序方法。文中对近年来的实例编程相关文献进行了整理,针对解决以上两个问题的方法、关键技术点进行了总结归纳,最后对实例编程领域未来的研究方向给出了建议。

摘要： 随着经济的发展和时代的进步,地震发生后的搜索行动问题也愈发的得到人们的重视.但是由于地震是一种破坏性强、伤亡人员多、施救难度大的自然灾害,这给救援工作带来了巨大的障碍.地震灾害现场的搜索是震后的主要任务,是降低财产损失、减轻人员伤亡的重要措施.如何在地震发生后第一时间采取有效的搜索策略,营救更多的灾民的生命是首要考虑的问题.本文基于地震灾害的特点首先讨论了地震搜索分队的任务、人员以及分工，其次提出了两种常用的搜索策略的部署方法，再次阐述了两种最优化搜索路径的选择，矩形区域的“S”形路径和三角形区域的搜索路径。

摘要： 由于光学传感器无法实现对目标的自动搜索,且采样数据稀疏、不均匀,传感器与传感器之间需要进行必要的目标引导,以保证对目标跟踪的连续性,本文提出了一种被动传感器之间的目标引导算法.该算法首先对目标被引导时的位置和时间进行预测;然后计算被引导传感器观测向量的预测协方差矩阵,确定搜索范围;最后根据搜索范围确定搜索策略.实验结果表明该算法能够有效地实现对传感器的引导,提高了光学被动传感器的目标发现概率.

摘要： 为求解超图中的最短路径,对于不带边权的超图模型,提出了一种基于宽度优先搜索的无权超图最短路径算法;对于带边权的超图模型,提出了一种基于最小代价优先的有权超图最短路径算法.为增强算法的可性度,在理论上证明了这两个算法的正确性.通过两个例子来说明这两个算法的要点.通过人工数据集的仿真实验对这两个算法做了一点比较.为推广这两个算法并在实际中发掘它的应用价值,最后给出了一点研究展望.

摘要： 针对目标位置和运动方向都不确定的情况，提出了一种无人机搜索策略。首先分析了运动目标和静止目标在搜索时的区别，提出了一种运动目标包围算法(MTEA)，证明了不确定环境初始半径的理论界限。在此基础上，设计了一种运动目标螺旋搜索算法(MTSA)，考虑了无人机最小转弯半径的限制，通过始终保持无人机传感器与随时间不断变化的不确定区域边界相切，最大限度的提高了无人机的搜索效率。最后进行了仿真验证，仿真结果表明，根据文中提出的MTSA搜索策略，无人机可以有效地针对存在运动目标的不确定环境进行覆盖搜索。

摘要： 无人机搜索运动目标时，由于目标运动状态的不确定性，传统的静态环境下的无人机覆盖搜索航迹规划算法不再适用。首先分析了无人机覆盖搜索的基本原则，提出了运动目标垂线(MTVL)搜索算法，证明了在MTVL搜索策略下的任务完成条件。对MTVL算法进行了改进，通过控制无人机的运动方向与搜索区域边界的角度，提出了运动目标斜线(MTSL)搜索算法，从理论上分析了在MTSL搜索策略下的任务完成条件，最后进行了仿真验证。仿真结果表明：提出的两种搜索策略在满足一定的条件下都能够完成对指定区域的搜索任务，而无人机完成任务的能力取决于无人机速度与目标速度的比值，无人机数目等因素;完成同样的搜索任务，与MTVL算法相比，MTSL算法对无人机速度和无人机数目的要求更低。

摘要： 为了解决不确定环境中的随机目标搜索问题,提出了一种多架无人机协同搜索策略。首先分析了无人机协同搜索问题的目标函数,使无人机访问目标的时间最短，然后提出了问题假设，在此基础上基于区域划分的思想设计了随机目标搜索策略。考虑了无人机转变半径的限制和威胁的影响，最后进行了仿真验证，仿真结果表明，通过文中提出的搜索策略，无人机可以有效地针对不确定环境中的随机目标进行覆盖搜索。

摘要： 本文对美国环境保护署开发的基准剂量软件BMDS的2.1.1版中二分模型的参数优化方法Double Dog Leg进行了剖析,并以Logistic模型为例,从搜索策略过程和修正策略过程等方面详细介绍了这种优化方法的运行机制.最后将运算结果与BMDS软件的计算结果进行比较,验证了本文介绍的优化方法的正确性.

摘要： 作为聚焦爬虫搜索策略的核心部分，主题相关性判断算法是聚焦爬虫能够围绕设定主题进行聚焦检索的关键。针对现有的相关性算法PageRank算法的不足，我们提出了基于Vision-based Page Segmentation（VIPS）的改进PageRank算法。理论分析和实验表明，相对于传统的信息采集策略，改进的策略在一定程度上能改善聚焦爬虫的平均收获比。

摘要： 利用遗传算法具有较强的全局搜索能力和模拟退火算法具有较强的局部搜索能力的特征,提出了一种融合模拟退火策略的遗传算法来解决Ad Hoc网络中QoS路由问题.首先,利用遗传算法快速搜索到近优解,然后,使用模拟退火算法的搜索策略进行细致寻优.较好地克服两种算法各自的缺点,发挥它们的优势.实验结果表明:与单独使用遗传算法或模拟退火算法相比可获得更好的网络性能.

摘要： 针对核模糊C均值(KFCM)算法对初始聚类中心敏感、易陷入局部最优的问题,利用人工蜂群(ABC)算法的构架简单、全局收敛速度快的优势,提出了一种改进的人工蜂群算法(IABC)与KFCM迭代相结合的聚类算法.首先,以IABC求得最优解作为KFCM算法的初始聚类中心,IABC在迭代过程中将与当前维度最优解的差值的变化率作为权值,对雇佣蜂的搜索行为进行改进,平衡人工蜂群算法的全局搜索与局部开采能力;其次,以类内距离和类间距离为基础,构造出适应KFCM算法的适应度函数,利用KFCM算法优化聚类中心;最后,IABC和KFCM算法交替执行,实现最佳聚类效果.采用3组Benchmark测试函数6组UCI标准数据集进行仿真实验,实验结果表明,与基于改进人工蜂群的广义模糊聚类(IABC-KGFCM)相比,IABC-KFCM对数据集的聚类有效性指标提高1到4个百分点,具有鲁棒性强和聚类精度高的优势.

摘要： 本发明涉及一种信任网络推荐搜索机制的搜索策略，属于推荐系统的应用领域。本发明通过对网络中重要节点的选取，将这些点作为内核，通过信任传递可以找到被它们信任的用户，经过几次信任传递，网络中的绝大部分用户都将被覆盖。利用节点度和节点介数这两种中心性测度，可以分别得到网络中比较重要的节点，这些中心节点组成内核。通过网络中的信任传递，从内核向外扩散，几次以后，一般能覆盖网络中绝大多数的节点。利用不同中心性测度找到的内核，最后的覆盖率也不一样。为了取得更好的效果，我们把节点度和节点介数这两种方法结合起来。

摘要： 本发明公开了一种基于认知搜索策略的多机器人源搜索方案生成方法及系统，本发明方法包括建立气体泄漏模型和传感器的探测模型；基于气体泄漏模型和传感器的探测模型，对泄漏源搜索过程建模；运用粒子滤波的方法表示泄漏源搜索过程中源项参数估计的迭代更新，建立基于认知搜索策略的寻源行动方案；针对实际障碍场景对寻源行动方案进行避障功能的改进；针对改进后的寻源行动方案与多机器人控制技术相结合，生成基于认知搜索策略的多机器人源搜索行动方案。本发明能够实现多机器人的气体泄漏源搜索，考虑到寻源过程中存在的不确定性，利用多机器人协同算法，控制多个机器人在大空间尺度的场景中进行协同寻源，可以有效的提高寻源效率和寻源准确率。

摘要： 本发明实施例提供一种动态调整搜索策略的数据搜索方法、装置及电子设备，所述动态调整搜索策略的数据搜索方法包括以下步骤：获取搜索请求；判断所述搜索范围是否超出预设搜索范围；若所述搜索范围超出所述预设搜索范围，则通过预设的第一搜索策略在所述预设搜索范围中搜索所述源数据，得到第一搜索结果；并通过预设的第二搜索策略在所述超出预设搜索范围外的搜索范围中搜索所述源数据，得到第二搜索结果；基于所述第一搜索结果以及第二搜索结果进行输出。本发明解决了由于数据部署时间长数据量变大，需要对全部的历史数据进行搜索，使得搜索时间变长，导致数据搜索效率低的问题，进而提高数据搜索效率。

摘要： 本发明提供一种采用混合搜索策略的迭代局部搜索多目标算法，将小邻域搜索策略和大邻域搜索策略相结合的方式对可行解进行搜索。该算法的基本思想是从一个初始解开始，对该初始解进行邻域操作来搜索其邻域解，然后从搜索得来的邻域解按照一定的策略选择当前最合适的解，之后对新得到的解进行抖动操作，重复迭代上述过程不断对这个解进行优化，直至满足终止条件。

摘要： 本发明涉及一种信任网络推荐搜索机制的搜索策略，属于推荐系统的应用领域。本发明通过对网络中重要节点的选取，将这些点作为内核，通过信任传递可以找到被它们信任的用户，经过几次信任传递，网络中的绝大部分用户都将被覆盖。利用节点度和节点介数这两种中心性测度，可以分别得到网络中比较重要的节点，这些中心节点组成内核。通过网络中的信任传递，从内核向外扩散，几次以后，一般能覆盖网络中绝大多数的节点。利用不同中心性测度找到的内核，最后的覆盖率也不一样。为了取得更好的效果，我们把节点度和节点介数这两种方法结合起来。

摘要： 涉及使用搜索策略确定搜索结果。提供了用于将搜索和浏览策略以及内容偏好作为因素计入到web搜索结果中的方法。这样的搜索和浏览策略和/或内容偏好一般由家长、雇主或其他公司代表来提供并且指定其适用于的人群。在从特定用户接收到搜索查询后，确定一个或多个搜索和浏览策略和/或内容偏好是否适用于所接收的搜索查询。在确定一个或多个搜索和浏览策略和/或内容偏好适用于所接收的搜索查询后，根据所述一个或多个适用于该用户的适用的搜索和浏览策略和/或内容偏好来分析至少一个所接收的搜索查询和被确定为满足该搜索查询的任何搜索结果。在结果被呈现给用户以前，对搜索结果作出任何所需的修改。

摘要： 本发明公开的一种基于局部搜索策略的风电场布局优化方法及系统，属于风电场微观选址技术领域。利用精确的Gaussian模型来描述风电场内的尾流效应，从而建立起可靠而高效的风电场模型。在此基础上，利用局部搜索算法来求解该布局优化问题，该算法迭代速度快，专注于可行解的邻域搜索，相比于传统启发式算法更适用于大型风电场的布局优化问题。本发明可以快速地对风电场的布局方案进行迭代优化，并凭借算法良好的局部搜索能力，可以使得优化布局结果在更大程度上认识并避免风电场中的尾流影响，能够有效提高风电场优化算法的精度和效率，从而提高风电场的全年发电产出，提高其收益。

摘要： 本发明提出一种基于高效搜索策略在不确定性环境下的在线规划方法，将机器人的状态视为一个信念，以POMDP算法初始化当前信念的上、下边界后，通过折扣化上下限表示当前信念的全部信息进而执行前向搜索构建信念树，以此获得当前信念下的最优策略；所述信念树的每一个节点代表一个信念，父节点与子节点通过行为‑观测分支连接。本发明提供的DESPOT‑DULB算法性能优于DESPOT和POMCP，在收敛速度以及策略质量上具有优势。

摘要： 本发明公开了一种基于大规模变邻域搜索策略的绿色物流车辆调度规划方法及系统。首先分别使用CW节约算法、最邻近插入算法和随机方法生成初始车辆配送序列。多次重复上述过程，构成初始配送序列的种群；对每个配送序列采用自适应遗传算法进行调度搜索，寻找满足条件的可行调度；采用大规模变邻域搜索算法对满足条件的可行调度进行优化调整，获得候选的配送序列；依据经济成本和环境成本最低的原则，从所有候选配送序列里选择总成本最低的序列，输出为车辆调度规划方案。本方法和系统可以在保证绿色物流车辆调度规划方案成本最优的同时提高求解速度，所得出的最优配送计划能够综合考虑经济成本和环境成本，有利于优化经济和环境指标。

摘要： 本公开涉及一种基于深度强化学习网络构建多样化搜索策略的模型的方法，上述方法基于虚拟奖励的权重的设置，能够使得不同智能体访问不同的状态，一旦某个智能体陷入了误导性奖励，那么当其他智能体再次访问导向这个误导性奖励的一系列状态时，由于权重是负值，所以其余这些智能体获得的虚拟奖励的信号是负的，也就会迫使这些智能体不再访问导向这个误导性奖励的这一系列状态，从而保证不同的智能体访问不同的状态集合，使得更新后的搜索策略模型经过训练后能够找到全局最优对应的第二目标位置，有效解决了现有技术中对高维数据进行搜索时陷入误导性奖励导致的无法搜索到全局最优的技术问题，能够降低智能体由于误导性奖励陷入局部解的概率。